一、研究的背景与问题

我国钢铁工业的CO₂放量占全国总排放量的约15%，其中炼铁系统碳排放约占钢铁全流程的80%以上，能耗占比更是高达70%，亟需通过技术突破进一步降低碳排放。面向钢铁行业炼铁工序高能耗、高排放与高成本等瓶颈问题，推动冶炼流程的数字化、智能化与绿色化升级，以实现节能降碳、降本增效为主要目标。而传统机理模型对复杂多变的炼铁“黑箱”过程适应性不足，大量生产数据未得到系统化、深层次的分析与利用，导致炼铁生产内部状态难以实时感知，操作高度依赖经验，难以支撑炼铁全流程的最优决策。更为突出的是，不同炼铁厂之间差距较大，在燃料比以及吨铁成本等指标上表现不一，无法实现稳定、安全、高效生产，因而急需借助智能化等创新手段寻求突破。

项目立项之初，广泛调研了国内外已公开的技术路径与研究成果，发现现有方法多集中于单一流程或局部环节的优化，如智能料场的物料管理、烧结配矿专家系统、高炉炉况的局部分析等，尚未形成面向炼铁工序全流程的智能化协同控制与降碳路径。国内虽已有部分企业在烧结智能化或高炉大数据分析方面取得进展，但总体仍停留在探索建模阶段，全流程实时反馈与多目标优化等方面尚有进步空间。现有技术尚难以为“料场-烧结-球团-高炉-能源”多环节提供一体化赋能方案。

面向钢铁行业炼铁工序的高能耗、高排放和高成本问题，推动冶炼流程的数字化、智能化和绿色化升级。本项目旨在全面应用炼铁大数据与人工智能技术，面向“料场-烧结-球团-高炉-能源”炼铁关键环节，建立实时监测与智能感知系统，开发高炉关键参数预测和多目标优化模型，实现对炼铁工序生产全过程的精细化调控，最终达成节能降碳、降本增效、稳定运营与产品质量提升的目标，推动我国钢铁行业绿色低碳转型，为实现碳达峰、碳中和战略目标提供强有力的技术支撑。

二、解决问题的思路与技术方案

东北大学储满生教授团队围绕大数据赋能炼铁工序智能降碳关键技术，融合大数据、人工智能、炼铁工艺技术，构建了覆盖料场、烧结、球团、高炉及能源模块的“5G+炼铁”智能制造平台。经过长期探索与持续改进，在智能配矿、烧结球团生产智能优化、高炉智能监测与控制、能源智慧管控等方面取得了突破性成果，实现了炼铁过程的精准优化，显著提升了生产稳定性，降低了能耗，为钢铁行业绿色低碳转型和高效智能化发展提供了重要支撑。总体思路如图1所示。

图1 项目总体思路

1、“5G+炼铁”智能制造平台建设

围绕炼铁生产全流程，提出“仿真推演-过程仿真-大数据挖掘-闭环反馈调控”技术框架，整合跨工序数据，实现智能优化与协同生产；突破性地研发并应用数据中台、语义知识图谱、WINCCOA控制平台及5G超高速通信技术，建立超大规模数据中心，支持高效并行处理，为大数据分析与实时决策提供基础；在生产组织上，建立集成指挥枢纽，优化资源配置，提升劳动生产率；研发集成智能控制架构、全维度安全管控体系及三电保障技术的调度平台，实现跨工艺流程的远程集中操控，支持实时数据采集与动态调度，显著提升炼铁工序智能化与数字化水平，极大提升生产效率。

2、铁前智能化关键技术研发与应用

逐步实现料场、烧结及球团工序的全面智能升级。在智能环保料场方面，引入格雷母线定位、激光雷达动态建模和深度学习技术，提升堆取料机自动化水平，实现料场作业智能协同与异常监控，大幅降低人工成本和操作失误。在智能化烧结方面，开发智能化配矿模型，提出烧结状态质量综合指数，结合机器学习算法实现实时量化、动态评级与自适应优化，确保烧结矿品质稳定，提高资源利用效率。在智能化球团方面，构建智能配矿系统与质量预测平台，优化原料匹配与生产参数，实时监控关键变量，前置识别质量风险，降低能耗和原料浪费。通过以上技术创新，实现原料在铁前工序的有序高效流转，大幅提升铁前作业智能化水平，减少造块过程设备状态和产品质量波动，降低炼铁原料生产成本。

3、高炉智能化关键技术研发与应用

全面融合智能传感、数据通信与机器视觉技术，突破高炉“黑箱”操作难题，实现精准感知与实时监测，并构建远程一键操作模式，提升安全性与稳定性。依托大数据技术，打破数据孤岛，构建涵盖炉热、炉缸活跃性、透气性、煤气利用率、炉渣碱度等关键指标的高精度动态数字孪生系统，增强过程透明度与可控性。结合有限元建模与人工智能算法，开发操作炉型智能管理系统，实时解析渣皮分布，推送优化策略，实现炉型合理控制。提出高炉状态集成评价技术，构建智能联动系统，监测、预测趋势并分析波动根因，提升运行稳定性与效率。融合5G通信、工业物联网与人工智能，构建集智能推理、动态优化与自适应反馈于一体的高炉集成控制系统，保障高炉稳定顺行，减少异常炉况，降低能耗与碳排放。

4、炼铁能源智慧管控关键技术研发与应用

通过整合钢铁全流程能源数据，构建统一的能源管控平台，打通独立能源调控体系与生产数据的协同互联，有效提升能源利用效率，为节能降碳提供数据支撑；开发了煤气流动态预测与调度优化模型，实现煤气流实时精准推算与预测，有效提高能源利用率和能源调度的合理性，提升环保性能和经济效益；进一步研发了煤气复盘分析与预警调控体系，实时监测煤气流动动态，追溯流向与消耗轨迹，优化能源调度架构，避免供应失衡，提升能源利用效率并降低生产成本。通过这些技术创新，提升能源管理水平，实现高效、可持续的生产模式。

三、主要创新性成果

1、通过虚拟-物理协同技术、数据中台、知识图谱及5G通信技术，构建一体化集成指挥中心和超大规模炼铁数据中心，实现炼铁生产全过程的数据深度挖掘、仿真和闭环调控，突破传统生产组织的扁平化重构瓶颈，实现了炼铁生产组织管理的系统性创新。

研发了融合业务、组织与冶金流程的新一代集控中心，优化岗位配置与设备调试，开展技能培训与系统开发，突破部门边界，按协同与专业性重新规划工程师序列，提升协同与前瞻性。创新开发融合生产指挥、工序控制与管理任务的数字孪生模型，构建“仿真模拟-过程模型-大数据挖掘-反馈控制”技术架构，实现分散管控向一体化转变。通过数据中台、知识图谱、WINCCOA与5G技术，建立高效的大数据中心，支持每日15亿条数据采集，为智能制造提供数据支撑，保障“5G+炼铁”平台稳定运行。

图2 集控中心功能示意图

首次实现冶金全流程生产组织的扁平化，将102个控制室合并为1个，精简岗位37%，整合5个一级单位为制造管理部，提升劳动效率。通过5G技术监控设备状态，构建知识图谱，利用神经网络分析时间序列数据，识别传统数据库难以发现的趋势，实现跨工序远程集中控制，推动生产智能化与高效化转型。技术创新实现各工序综合降耗3.93%~21.76%。创新性1部分成果如图2所示。

2、首次开发了原料厂、球团和烧结工序的全流程智能优化配矿和产品质量预测系统，提出了烧结状态质量综合指数，实现了原料场的无人化智能管理及烧结、球团生产过程的综合评价、精准感知与科学决策。

（1）创新开发应用了原料场无人化智能驾驶技术，结合激光雷达实时扫描料堆，精确建模并动态收集设备位置数据，利用低频电耦合通信实现智能定位与跟踪。同时，AI机器视觉监测皮带运行，建立多目标智能决策系统，自动识别异常，提升系统可靠性与自我修复能力。该技术大幅提升堆取料机无人化水平，实现皮带流程一键启停和卸料车远程全自动运行，自动生成作业报表，推动料场作业智能化与优化。应用后年节电646万kWh，料场扬尘减少95%。

（2）分析铁矿粉性能与高炉冶炼效果，开发多时段多目标烧结智能配矿优化技术，探索非主流外矿增量利用策略，提升烧结产线资源消纳潜力。通过智能解析烧结多源数据，提炼关联规则，改善模型可解释性，提出烧结质量综合指数，并开发自适应预测系统，提供高精度优化建议。该技术优化了铁矿资源配置，最大化烧结资源利用效益，实现烧结关键参数的高效预测与决策。应用后，非主流外粉配比达到5%~8%，烧结质量预测命中率超90%，生产稳定性提升5%。

（3）采用多重智能算法融合，解析球团原料溯源、设备状态，开发智能配矿系统，优化矿粉匹配与协同。动态监控球团生产信息流，利用深度学习识别质量波动风险，自适应调整生产参数与原料配比。该技术提升了球团原料资源利用率，增强了生产管控与动态调度能力。应用后，经济矿提升至155 kg/t，球团质量预测命中率超85%。如图3所示。

图3 智能烧结预测模型及终点命中率

3、结合智能感知、大数据与数字孪生融合技术，研究了涵盖炉热、炉缸活跃性、煤气利用率、透气性、渣系控制、操作炉型和动态炉况等多维度的高精度高炉信息物理系统，形成了高炉大数据智能低碳冶炼关键技术。

（1）融合5G、大数据、机器视觉、机器学习等人工智能前沿技术建立高炉智能监测与感知系统。创新性的将高频次动态感知的非结构化图像数据高效利用，开发高炉料批跟踪感知、炉顶气流和料面温度智能监测、炉缸侵蚀与安全监测与风口成像智能识别等多项关键技术，丰富了高精度动态数字孪生的数据样本，贡献高炉“黑箱”透明化，助力实现高炉操作智能化数字化。

（2）整合高炉全链条的多源异构数据，涵盖原燃料、工艺操作、炉况、渣铁等3000余个参数，开发了高炉炼铁数据治理与智能解析技术，打破数据孤岛。通过知识图谱，建立工序内外参数关系的可视化网络，形成了适应动态炉况的高炉全链条关联规则库。技术应用后，数据利用率提升至80%，实现了从“数据”到“信息”的智能解析，夯实了高炉智能化技术应用的高质量数据基础。

（3）针对高炉生产的多变性和易扰动特点，提出了多维融合的建模方法，通过融合冶炼机理与动态炉况数据构建了高精度动态数字孪生系统，最终形成了涵盖配料闭环、炉热、炉缸活跃性、煤气利用率、操作炉型、碱度闭环等多维度的高精度信息物理系统，模型精度超过90%，实现了高炉炉况的智能诊断、趋势预测与波动分析，大大提升了冶炼过程的深度感知能力。

（4）基于5G、工业物联网、人工智能和数字孪生等技术，构建高炉全息智能冶炼系统，实现数据采集、智能推理、动态优化与自适应反馈。系统实时监测风口送风系统和运行参数，通过智能推演与决策协同优化料构与送风调度。利用炉况推理机与多模态数据提前示警并解析异常，提升煤气利用率1.8%，增强生产效率与能源控制能力。智能冶炼系统优化了冶炼过程的动态响应速度，提高了生产效能与资源管控潜力。如图4所示。

图4 高炉全息智能冶炼系统应用情况

4、构建智能能源管控体系，全面集成钢铁全流程能源数据，打通单体系统与全流程生产数据的协同互联，实现精确调度与能效优化，推动企业实现节能降碳目标。

基于大数据与工艺机理整合全流程能源数据，构建统一平台，实现炼铁生产全过程的能源融合。通过经验模态分解与动态聚类分析，精准表征设备工况差异，解析能源分布特征，提供统一数据支持。结合工艺知识图谱与能源数据，构建煤气流动态预测模型，实现实时预测并优化煤气调度，提升能源效率、降低成本。同时，建立煤气复盘与预警调控体系，通过可视化平台展示煤气流动及关键指标，利用异常检测算法识别失衡风险，结合专家经验进行动态追溯，提供自动化控制建议，实现精准预警与调节，推动能源高效利用和节能降碳。

该创新实现了炼铁全流程能源数据的协同互联以及动态优化煤气供应与分配情况，从而降低了能耗和碳排放并提升了效益。智能化炼铁能源管控系统实现炼铁工序能耗降低9.492 kgce/t。如图5所示。

图5 智能化炼铁能源管控系统应用情况

四、应用情况与效果

项目形成发明专利27项，实用新型专利8项，软件著作权25项，发表科技论文32篇，专著1项。智能化炼铁系统现已实现连续安全稳定运行3年以上，突破了“5G+炼铁”智能平台、智慧料场、智能造块、智能高炉、智慧能源等核心技术，实现关键指标在线预测精度达到90%以上，炉况稳定性提升30%以上，吨铁能耗降低46.4kgce、二氧化碳减排140kg；成功应用于抚顺新钢铁、邯钢、鞍钢和吉林建龙，创造总经济效益51553.91万元。

项目实现了大数据赋能炼铁工序智能降碳技术的创新应用，显著推动了我国钢铁行业在低碳环保和可持续发展方面的进步，培养了大数据与炼铁工艺复合型人才，为钢铁行业低碳绿色智能转型提供了可推广的示范样板。

中国钢铁工业协会主持对本项目成果进行了评价，经专家评价委员会鉴定，本项目成果总体上达到了国际领先水平。

信息来源：东北大学、抚顺新钢铁有限责任公司